专利名称：一种实时预测钢包精炼炉精炼钢水温度的方法
技术领域：
本发明涉及冶金过程的生产与控制领域，更具体地讲，涉及ー种针对LF炉精炼过程的钢水温度进行实时在线预测的方法。
背景技术：
钢包精炼炉(即，LF炉)作为钢厂的一种常见精炼设备，在转炉-连铸流程中调节转炉与连铸的生产节奏实现多炉连浇的同时，主要通过四个独特的精炼手段实现钢水调温、強化脱氧、脱硫、合金微调等冶金功能，參见图I所示。LF炉精炼阶段温度控制是整个流程是否顺利进行的关键因素，合理的温度无疑是提高产品质量、降低生产成本的有效手段。因此为了制定合理的温度有效地控制钢水温度，LF炉精炼阶段温度预报是冶金工作者首先 要做的工作。目前实际生产中，操作人员常使用一次性热电偶测温来获取LF炉钢水的温度信息。由于LF炉冶炼周期长，影响终点钢水温度因素复杂，终点钢水温度要求精度高，増加了测温次数和不准确性，提高了生产成本和劳动强度，同时无法连续在线掌握钢水温度，存在操作盲点并且导致资源浪费。在以往的研究中，LF炉钢水温度预报模型采用的研究方法主要有以下三种机理模型、统计回归模型、神经网络模型。机理模型是指利用尽可能准确表述过程机理的ー些数学控制方程建立的模型。在LF炉精炼过程中，主要采用能量守恒方程、传热基本方程、质量守恒方程等来建立相关的机理模型，然后通过控制不同的边界条件和初始条件，采用有限差分法或者有限元法等方法求解模型，从而得到钢包内的温度分布状況。主要文献包括钢包精炼过程中钢水成分微调及温度预报[J]，钢铁研究学报，1999，11(2) :6-8 ;LF炉精炼过程钢水温度预报技术[J]，东北大学学报，2002，23 (3) =247-250 ; 一种双エ位LF炉钢水温度预报控制系统[P]，中国专利:101592964，2009-12-02 ;等。统计回归模型是基于统计分析方法，如线性回归分析，通过大量数据找到预报量与各种过程变量间的关系。主要文献包括LF炉钢水温度预报[J]，冶金自动化，1998，(I)46-48;宝钢炼钢厂300t整体钢包热循环实测研究[J]，北京科技大学学报，2001，23 (5)418-459 ;宝钢ー炼钢厂300t钢包钢水温度预报模型[D]，镇江江苏大学，2005 ;等。神经网络模型方法主要是将与終点温度变化有关的參数作为输入，采用神经网络等智能算法通过对大量生产数据分析，进行反复学习和训练，得到一个逼近函数，用这个函数来预报终点温度。主要參考文献包括基于AdaBoost混合模型的LF炉钢水終点温度软測量[J]，仪器仪表学报，2008，29 (3) =662-667 ;基于ELM新方法的LF终点温度软测量混合模型[J]，东北大学学报，2008，29 (I) :33-36;等。上述三类模型均能够达到一定的预报精度，但存在一定缺陷。机理模型水平高，但由于LF炉精炼过程复杂，因素多变且伴随有多种物理化学反应，这严重影响机理模型的预测精度；统计回归模型算法简单且很容易在线检测，但由于此模型只能反映线性关系，而钢水温度与电量、包衬散热、合金加料、时间等因素间的关系错综复杂，使得统计回归模型的精度通常不高；神经网络学习迭代次数较多，时间较长，制约着系统的实际应用。另外目前大部分对钢水温降的研究是离线的，要达到模型的在线应用要求还有一定的困难。
发明内容
针对现有技术存在的不足，本发明的目的之ー在于提供一种能够用于对LF炉精炼钢水的温度进行实时预报的方法。为了实现上述目的，本发明提供了一种实时预测钢包精炼炉精炼钢水温度的方法，所述方法通过式(a)对钢包精炼炉精炼过程中的钢水温度进行实时预测，式(a)为Tst= Ttl+Λ Tab-Λ Tg-Λ Tlining-Λ Tsur-Λ Talltjy-Λ Tslag，其中，Tst 为钢水实时温度，V ;TQ 为钢水初始温度，V ； Δ Tab, Δ Tg、Δ Tlining, Δ Tsur, Δ Talloy, Δ Tslag分别为电能输入、吹氩热损、包衬散热、渣面散热、合金热效应、渣料热效应引起的钢水温度变化量，で。其中，所述包衬散热引起的钢水温度变化量Λ Tlining通过式(b)得到，式(b)为=ATlining = a+ bt+ct2+dt3+et4,其中，O < t < 120min, a, b，c，d，e为根据钢包包衬的热状态级别来确定的常数，当钢包包衬的热状态为 A 级时，式(b)变为=ATlining = 6. 554+2. 4864t-3. 525 X 10_2t2+3. 1165X10-4t3-1.0555Xl(r6t4;当钢包包衬的热状态为热状态为B级时，式(b)变为Λ Tlining=4. 9464+2. 0383t-2. 742 X l(T2t2+2. 40895 X l(T4t3_8· 1983 X l(T7t4 ;当钢包包衬的热状态为热状态为 C 级时，式(b)变为Λ Tlining = 3. 3747+1. 5852t-l. 943X 10_2t2+l. 6708 X10_4t3-5. 6514X10_7t4 ;当钢包包衬的热状态为热状态为D级时，式(b)变为=ATlining =I. 7883+1. 13t-l. 14X 10_2t2+9. 2983 X 10_5t3_3. 095X 10_7t4。在本发明的一个示例性实施例中，所述钢包包衬的热状态为A级是指钢包内衬初始温度为800°C且包衬稳态散热时间为95 99min，达到稳态后钢水平均温降为O. 52 O. 540C /min ;所述钢包包衬的热状态为B级是指钢包内衬初始温度为1000°C且包衬稳态散热时间为86 88min，达到稳态后钢水平均温降为O. 49 O. 51°C /min ;所述钢包包衬的热状态为C级是指钢包内衬初始温度为1200°C且包衬稳态散热时间为78 82min，钢水平均温降为O. 46 O. 480C /min ;所述钢包包衬的热状态为D级是指钢包内衬初始温度为1400°C且包衬稳态散热时间为70 74min，达到稳态后钢水平均温降为O. 40 O. 42°C /min。在本发明的一个示例性实施例中，所述钢包包衬的热状态级别根据模糊推理模型中的Ztl得出。在本发明的一个示例性实施例中，所述方法还包括对预测得到的钢水温度进行校正的步骤。本发明的另一方面提供了一种实时预测钢包精炼炉精炼钢水温度的方法，该方法由流场及温度场耦合进行理论探究，充分考虑过程中可能出现的所有包衬情況，建立包衬散热模型，充分考虑其他因素对钢水温度的影响，最終建立温度预报模型，所述温度预报模型包括模糊推理，温度自动校正以及温度预报三大模块，采用理论分析和数值模拟的方式，结合相应的算法最終实现LF炉精炼钢水温度的实时预报。在本发明的一个示例性实施例中，在包衬散热模型中，将钢包周转过程中包衬散热对钢水的温降速度和温降速率进行归一化处理；采用模糊推理的方法建立精炼过程中钢包内衬类别的自动判别模型。在本发明的一个示例性实施例中，在温度预报模型中，由于现场的一些不稳定性因素的影响，建立温度预报过程中温度自动校正功能。与现有技术相比，本发明的有益效果包括提供了一种用于LF精炼炉钢水温度实时预报的方法，该方法能够实时、准确地预报LF精炼过程钢水温度，从而能够减少测温次数、指导实际生产、节约成本、减轻劳动强度、提高测量温度命中率。
通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚，其中图I示出了现有技术的LF炉的示意图； 图2示出了 LF炉精炼过程中能量平衡示意图；图3示出了利用GAMBIT软件构建钢包物理模型时计算区域的网格系统示意图，其中，(a)为钢包三维截面视图，(b)为包壁截面视图；图4示出了计算中监控面显示的钢水的热量通过渣层、钢包包壁、包底进行散热的不意图；图5示出了钢包热状态对盛钢过程钢包包衬散热的影响；图6示出了钢水温降随时间变化的拟合曲线图；图7示出了 LF炉精炼过程中吹氩曲线；图8示出了钢水的裸露面积拟合曲线；图9示出了不同电压档位下电极加热系数；图10示出了包衬类型的在线判别流程图；图11示出了模糊控制规则示意图；图12示出了 LF炉精炼过程钢水温度预报模型的流程图；图13示出了温度校正模块的程序框图；图14示出了周转过程钢水温降及包衬类型的模糊判别精度，其中，A-小平台出站温度，B-LF炉进站温度，C-实际温降，D-模型温降，E-模型温降范围；图15示出了不采用温度校正功能情况下精炼结束实测温度与预报温度的对比图；图16示出了采用温度校正功能情况下精炼过程实测温度与预报温度的对比图； 图17示出了通过钢渣界面的热流量的示意图。
具体实施例方式在下文中，參照附图来详细说明本发明的示例性实施例。本发明的目的是提供一种用于LF精炼炉钢水温度实时预报的方法，以达到实时、准确地预报LF精炼过程钢水温度的目的，从而减少测温次数，指导实际生产，以节约成本，减轻劳动强度，提高温度命中率。通常，影响LF钢液温度的因素归结为两大类第一类是基于冶金学机理模型可以计算的，例如合金加入、吹IS等，我们将其称之为定常因素；第二类为由于现场条件和本身的复杂性往往具有很复杂的非线性特征，难以用统ー的物理模型或热力学模型以及生产数据进行准确地描述，例如电极加入和包衬散热等，我们将其称之为非定常因素。对于定常因素，可采用基于公知的冶金学机理模型或者生产数据统计计算便可以获得；而对于非定常因素，本发明则在对其进行详细的统计归纳后采用模糊推理算法将其程序化以对其进行合理的优化，并最终准确找到最优的计算模型(模型程序化后具有一定的自学习功能)。能量守恒原理，LF炉精练过程中能量平衡关系如图2所示，其中，Qab表示进入渣钢熔池中的电弧热量，Qar表示吹IS损失的热量，Qsa表示洛面损失的热量，Qmo表示合金元素 的氧化放热，Qmf表不合金溶解热，Qln表不包衬的蓄热，Qshell表不包壳与大气换热，Qslag表示渣料热效应，Qalltjy表示，合金熔化升温热Qsteel表示钢水升温热。可见，能量输入主要包括电弧加热的能量(Qab)和合金反应的化学热(Qm。、Qmf)。进入熔池的热量又可分为三大去向。第一部分用于钢液升温(Qstral)和渣料及合金的升温熔化所需的热量(Qall()y、Qslag)，两者之和即为加热熔池的热量；第二部分为通过包衬损失的热量，其中又分为两部分，一部分热量成为包衬耐火材料的蓄热(Qln)而使包衬温度升高，另一部分是由包壳与周围大气的热交换而损失的热量(Qshell);第三部分是通过渣面损失的热量，包括由渣面的辐射和对流传热的热损失(Qsa)以及由熔池内产生的高温气体通过渣面带走的热量(QJ。通过上述分析，由能量守恒原理和系统能量的输入、输出关系,可以得出在At时间段内钢液的热量损失(或输入)为系统的能量増量=输入系统的能量-系统损失的能量QsteeI — Qab+Qmo+Qmf-Qalloy-Qslag-Qln-Qshell-Qsa-QarIQきI = (^st xcs. + ^si xcsi +
、 τ2由于在炼钢生产过程中，相对钢水重量而言，精炼过程中加入的炉渣量msl和合金量Hii要小的多，钢水的重量在加入合金及渣料后无明显变化。上式系统中的能量以对钢水温度产生的变化量为依据，见式3，= —
mStcSt3则由上式可得钢水实时温度为Tst = T0+ Δ Tab- Δ Tg- Δ Tlining- Δ Tsur- Δ Talloy- Δ Tslag4式中Tst为钢水实时温度，で；T0为钢水初始温度，V ；ATab, ATg, Δ Tlining, ATsur, ATalloy, Λ Tslag 分别为电能输入、吹氩热损、包衬散热、渣面散热、合金热效应、渣料热效应引起的钢水温度变化量，V。国内学者的研究结果表明，当渣层厚度小于50mm时，渣层厚度对渣层上表面的散热损失影响显著，渣层越薄，表面散热量越大；渣层厚度大于50_时，渣层厚度对渣层表面的影响不再显著。考虑到在120吨以上的LF炉在精炼过程中其渣厚一般均大于60mm，135吨的LF炉渣厚一般在80 100mm。例如，发明人利用数值模拟的方法研究了 80mm厚的渣层在精炼过程中的散热情况，结果如图17所示。
从模拟结果可以 看出，初始阶段由于钢渣温差大，通过钢渣界面的散热量比较大，20min内渣层内温降较快，20min以后温降逐渐減少，曲线趋于平缓，表明此时渣层散热达到稳定状态且此时钢水的温降为O. 088°C /min，这时渣就像屏障一祥，阻碍钢水大量热量损失，渣表面散热造成的钢水温降很低。因此，本发明中将渣层散热对钢水热量的影响拟合到包衬散热中一井考虑。根据上述分析，影响钢水温度变化的因素众多，其中电极加热、辐射散热、加渣热效应、包衬散热是主要影响因素，而前人研究表明在钢包周转过程中有80%左右的热量是由于包衬散热损失的。因此，准确获得包衬散热对于预报钢水温度有着重要的意义。本发明正是基于这一原则，建立了一种基于模糊推理确定钢包内衬类型的LF炉钢水温度实时预报的方法。本发明可以具有以下主要步骤(I)钢包热状态对钢水温度的影响规律；(2)其它因素对钢水温度的影响规律；(3)包衬类别模糊推理模型； (4) LF精炼过程温度预报模型；(5) LF温度的自动校正。根据本发明的一个示例性实施例，可包括以下内容(一)建立钢包热状态对钢水温度的影响规律所谓钢包热状态即盛钢钢包在一炉浇铸结束至本炉出钢开始时的空包钢包内衬的温度级别，从浇铸结束至下一次盛钢开始的时间间隔越长，在LF炉冶炼初期钢包吸收的热量就越多，因此钢水的温降也就越大，反之越小。LF炉精炼过程中钢水的温降有80%左右都是由于包衬散热引起的。由此可知，钢包的热状态对钢水温度影响很大，且钢包的热状态不同，对钢水的温降影响亦不同。本发明是通过机理分析+数值模拟的基础上建立钢包热状态对钢水温度的影响规律。采用流体仿真软件Fluent对精炼过程的流场以及温度场进行耦合模拟，根据现场的实际生产经验，认为包衬的温度范围为(800 1400°C )，因此模型中将包衬温度分为800U000U200、1400V四个温度档次，模型的建立过程如下所述(I)利用GAMBIT软件构建目标物理模型及划分网格，如图3所示(2)边界条件(a)熔池表面在熔池表面，钢水与渣接触，表面切应カ忽略不计。(b)固体壁面在钢包侧壁和底部的固体壁面，对速度、压カ使用无滑移边界条件，将k和ε设为零。(C)入口 本模型中吹氩为偏心双底吹，底部喷嘴为速度入口边界。钢包内湍流计算采用标准的k-ε模型(k = 0.015U2, ε = 94Χ k1· 5/Dh确定，其中，u为气体速度，Dh为喷ロ水力直径)。(d)钢包内衬按导热固体边界条件进行处理，近壁面采用壁面函数法加以求解，包衬内无热源，温度变化由包衬材料的导热系数确定，包衬材料和钢水的ー些參数见表I。表I钢包包衬及钢水的一些參数
权利要求
1.一种实时预测钢包精炼炉精炼钢水温度的方法，所述方法通过式(a)对钢包精炼炉精炼过程中的钢水温度进行实时预測，式(a)为 Tst = T0+ Δ Tab-Δ Tg-Δ Tlining-Δ Tsur-Δ Talloy-Δ Tslag，其中， Tst为钢水实时温度，V ； T0为钢水初始温度，V ； ATab, ATg, Δ Tlining, ATsur, ATalloy, Λ Tslag分别为电能输入、吹氩热损、包衬散热、洛面散热、合金热效应、渣料热效应弓I起的钢水温度变化量，V，其特征在于， 其中，所述包衬散热引起的钢水温度变化量ATlining通过式(b)得到， 式(b)为ATlining = a+bt+ct2+dt3+et4,其中， O^ t ^ 120min, a, b，c，d，e为根据钢包包衬的热状态级别来确定的常数， 当钢包包衬的热状态为A级时,式(b)变为 Δ Tlining = 6. 554+2. 4864t-3. 525 X 10_2t2+3. 1165 X 10_4t3_l· 0555 X 10_6t4 ； 当钢包包衬的热状态为热状态为B级时,式(b)变为 Δ Tlining = 4. 9464+2. 0383t_2. 742 X 10_2t2+2. 40895 X 10_4t3_8· 1983X 10_7t4 当钢包包衬的热状态为热状态为C级时,式(b)变为Δ Tlining = 3. 3747+1. 5852t_L 943X10_2t2+L 6708 X 10_4t3_5· 6514X10_7t4当钢包包衬的热状态为热状态为D级时,式(b)变为 Δ Tlining = I. 7883+1. 13t-l. 14 X 10_2t2+9. 2983 X 10_5t3_3. 095 X 10_7t4。
2.根据权利要求I所述的实时预测钢包精炼炉精炼钢水温度的方法，其特征在干， 所述钢包包衬的热状态为A级是指钢包内衬初始温度为800°C且达到稳态散热时间为95 99min，达到稳态后钢水平均温降为O. 52 O. 54°C /min ； 所述钢包包衬的热状态为B级是指钢包内衬初始温度为1000°C且达到稳态散热时间为86 88min，达到稳态后钢水平均温降为O. 49 O. 51。。/min ； 所述钢包包衬的热状态为C级是指钢包内衬初始温度为1200°C且达到稳态散热时间为78 82min，达到稳态后钢水平均温降为O. 46 O. 48°C /min ； 所述钢包包衬的热状态为D级是指钢包内衬初始温度为1400°C且达到稳态散热时间为70 74min，达到稳态后钢水平均温降为O. 40 O. 42°C /min。
3.根据权利要求I所述的实时预测钢包精炼炉精炼钢水温度的方法，其特征在于，所述钢包包衬的热状态级别根据模糊推理模型中的Ztl得出。
4.根据权利要求I所述的实时预测钢包精炼炉精炼钢水温度的方法，其特征在于，所述方法还包括对预测得到的钢水温度进行校正的步骤。
5.一种实时预测钢包精炼炉精炼钢水温度的方法，其特征在干，由流场及温度场耦合进行理论探究，充分考虑过程中可能出现的所有包衬情況，建立包衬散热模型，充分考虑其他因素对钢水温度的影响，最終建立温度预报模型，所述温度预报模型包括模糊推理，温度自动校正以及温度预报三大模块，采用理论分析和数值模拟的方式，结合相应的算法最終实现LF炉精炼钢水温度的实时预报。
6.根据权利要求5所述的实时预测钢包精炼炉精炼钢水温度的方法，其特征在于，在包衬散热模型中，将钢包周转过程中包衬散热对钢水的温降速度和温降速率进行归ー化处理；采用模糊推理的方法建立精炼过程中钢包内衬类别的自动判别模型。
7.根据权利要求5或6所述的实时预测钢包精炼炉精炼钢水温度的方法，其特征在干，在温度预报模型中，由于现场的一些不稳定性因素的影响，建立温度预报过程中温度自动校正功能。
全文摘要
本发明公开了一种实时预测钢包精炼炉精炼钢水温度的方法。在基于包衬散热对钢水温度的影响方面，本发明采用数值模拟方法，考虑了盛钢过程中大包内衬为温度800～1400℃，耦合钢水流动对包衬散热的影响，建立了包衬散热对钢水温降的拟合方程。在包衬类别精确判断方面，本发明建立了一种基于模糊推理大包内衬自动选择的模型。在精炼过程钢水裸露面的确定方面，本发明基于数值模拟研究，建立了不同吹氩量下钢水的裸露面积拟合方程。基于上述三种模型的预测结果，本发明将精炼过程中钢水的流动特性与散热情况相结合，建立了LF精炼过程钢水温度实时预报模型。为减少现场不稳定性因素的影响，本模型开发了温度自动校正功能。
文档编号G06Q50/04GK102867220SQ20121020924
公开日2013年1月9日 申请日期2012年6月25日 优先权日2012年6月25日
发明者祭程, 陈永, 朱苗勇, 曾建华, 崔俊, 孙维松, 陈亮, 张敏 申请人:攀钢集团研究院有限公司, 东北大学